caltech101

• Descripción :

Caltech-101 consta de imágenes de objetos que pertenecen a 101 clases, más una clase background clutter . Cada imagen está etiquetada con un único objeto. Cada clase contiene aproximadamente entre 40 y 800 imágenes, con un total de alrededor de 9.000 imágenes. Las imágenes son de tamaños variables, con longitudes de borde típicas de 200 a 300 píxeles. Esta versión contiene etiquetas a nivel de imagen únicamente. El conjunto de datos original también contiene cuadros delimitadores.

• Documentación adicional : Explorar en artículos con código north_east

• Página de inicio : https://doi.org/10.22002/D1.20086

• Código fuente : tfds.datasets.caltech101.Builder

• Versiones :

  • 3.0.0 : Nueva API dividida ( https://tensorflow.org/datasets/splits )
  • 3.0.1 : Actualización de la URL del sitio web
  • 3.0.2 (predeterminado): Descargar actualización de URL

• Tamaño de descarga : 131.05 MiB

• Tamaño del conjunto de datos : 132.86 MiB

• Almacenamiento en caché automático ( documentación ): Sí

• Divisiones :

• Estructura de características :

FeaturesDict({
    'image': Image(shape=(None, None, 3), dtype=uint8),
    'image/file_name': Text(shape=(), dtype=string),
    'label': ClassLabel(shape=(), dtype=int64, num_classes=102),
})

• Documentación de funciones :

• Claves supervisadas (Ver documento as_supervised ): ('image', 'label')

• Figura ( tfds.show_examples ):

• Ejemplos ( tfds.as_dataframe ):

• Citación :

@article{FeiFei2004LearningGV,
  title={Learning Generative Visual Models from Few Training Examples: An Incremental Bayesian Approach Tested on 101 Object Categories},
  author={Li Fei-Fei and Rob Fergus and Pietro Perona},
  journal={Computer Vision and Pattern Recognition Workshop},
  year={2004},
}